位置社交网络是一种日益兴起的新型社交网络,在位置社交网络中,每个用户不仅可以与其它用户建立好友关系,还可以通过签到分享自己在不同地点所参与的事件。通过挖掘用户的社交关系和地理位置,我们可以衡量事件参与者之间的相互影响力。这种用户影响力的衡量在现实生活中有着广泛的应用场景,比如精准广告投放和病毒式营销等。本文深入分析了位置社交网络用户之间的社交关系邻近性和地理位置邻近性,并提出了一种新颖的地理社交影响力度量。这种度量融合了用户之间的社交影响力和地理影响力：在社交影响力方面,我们采用随机游走模型对网络中信息的传播进行了建模,设计了一种称为处罚命中时间的邻近性权重用于计算用户的社交影响力；在地理影响力方面,我们根据位置社交网络用户的签到规律,采用了幂律分布模型计算空间距离对用户参与事件的影响。基于上述地理社交影响力度量,本文解决了位置社交网络中的两个问题：(1)用户地理社交影响力计算：我们提出了两种近似算法,即全局迭代算法和动态邻域扩张算法,这两种算法具有紧致的理论误差界限,并能够高效衡量单个用户在位置社交网络中的影响力：(2)Top-K影响力事件挖掘：我们提出了一种基于抽样和阈值界定的算法,可以高效地挖掘出位置社交网络中最有影响力的K个事件。在真实位置社交网络数据集及合成数据集上的大量实验表明,我们所提出的算法是有效、高效和可扩展的。